[論文レビュー] Cyber Threat Intelligence for Secure Smart City

Najla Al-Taleb, Nazar Abbas Saqib+2 more|arXiv (Cornell University)|Jul 26, 2020

Network Security and Intrusion Detection参考文献 40被引用数 8

ひとこと要約

本論文は、スマートシティにおけるリアルタイムのサイバー脅威インテリジェンス（CTI）を実現するため、畳み込みニューラルネットワーク（CNN）と準再帰的ニューラルネットワーク（QRNN）を組み合わせたハイブリッドディープラーニングモデルを提案する。このモデルは、最先端の手法と比較して優れた脅威分類性能を達成しており、IoTを活用した都市環境におけるサイバー脅威の迅速かつ正確な検出を可能にする。

ABSTRACT

Smart city improved the quality of life for the citizens by implementing information communication technology (ICT) such as the internet of things (IoT). Nevertheless, the smart city is a critical environment that needs to secure it is network and data from intrusions and attacks. This work proposes a hybrid deep learning (DL) model for cyber threat intelligence (CTI) to improve threats classification performance based on convolutional neural network (CNN) and quasi-recurrent neural network (QRNN). We use QRNN to provide a real-time threat classification model. The evaluation results of the proposed model compared to the state-of-the-art models show that the proposed model outperformed the other models. Therefore, it will help in classifying the smart city threats in a reasonable time.

研究の動機と目的

• IoTおよびICT技術によって駆動されるスマートシティインfra構造におけるリアルタイムで正確なサイバー脅威検出の増大するニーズに対応すること。
• スマートシティに一般的に見られる動的かつ高速度のネットワークトラフィックを処理する上で、既存の脅威分類モデルの限界を克服すること。
• 低遅延な脅威分類を支援するスケーラブルなディープラーニングベースのCTIフレームワークを構築すること。
• 複雑で相互接続された都市環境における脅威検出システムの性能を向上させること。

提案手法

• 提案されたモデルは、ネットワークトラフィックデータからの特徴抽出に畳み込みニューラルネットワーク（CNN）を統合する。
• リアルタイム処理を目的として、脅威データ内の逐次的依存関係をモデル化するために準再起的ニューラルネットワーク（QRNN）が採用される。
• ハイブリッドアーキテクチャは、CNNの空間的特徴学習とQRNNの時間的モデリングを組み合わせることで、分類性能の向上を実現する。
• モデルは、さまざまなサイバー脅威タイプを表すラベル付きのネットワークトラフィックデータセット上で学習される。
• モデルの評価には、正確性、適合率、再現率、F1スコアといった標準的な指標が用いられ、性能比較に活用される。
• このフレームワークは、スマートシティネットワーク内でのリアルタイム監視システムへの導入を想定して設計されている。

実験結果

リサーチクエスチョン

• RQ1 どのようなディープラーニングモデルが、スマートシティ環境においてリアルタイムでサイバー脅威を効果的に分類できるか？
• RQ2 既存の最先端のモデルと比較して、ハイブリッドCNN-QRNNモデルの脅威分類性能はどの程度か？
• RQ3 QRNNは、従来のRNNと比較して、高い分類正確性を維持したまま、より高速な推論時間を達成できるか？
• RQ4 CNNとQRNNの統合は、IoTベースの都市システムにおける複雑で進化を続けるサイバー脅威の検出をどの程度向上できるか？

主な発見

• 提案されたハイブリッドCNN-QRNNモデルは、既存の最先端のモデルと比較して、脅威分類の正確性において優れている。
• 高い適合率と再現率を達成しており、既知の脅威パターンだけでなく、新規の脅威パターンの識別においても信頼性が高まっていることが示された。
• QRNNは、標準的なRNNと比較してより高速な推論を可能にし、動的で変化し続けるスマートシティネットワークにおけるリアルタイム展開を支援する。
• CNNとQRNNの統合により、特徴表現と時間的モデリングの両方が向上し、複雑なサイバー脅威の検出性能が向上した。
• モデルは、DDoS攻撃、マルウェア、スキャニング攻撃など、多様な脅威タイプの分類においても頑健であることが示された。
• 評価結果から、大規模なスマートシティインfra構造における低遅延かつ高正確性なサイバー脅威インテリジェンスに、このモデルが適していることが確認された。